Как AI-ассистент и кросс-тестирование меняют подход к обучению

Образование сталкивается с новым вызовом: академические знания, которые дают в школах и вузах, не всегда совпадают с тем, что требуется на практике. Работодатели ценят нестандартное мышление, умение быстро находить решения и адаптироваться к переменам. Однако учебные программы всё ещё ориентированы на теорию и заучивание фактов.

Старые методы тестирования давно потеряли актуальность. Они проверяют только память, игнорируя критическое мышление, аналитические способности и креативность. Пришло время пересмотреть подходы, внедрив системы оценки, которые действительно отражают навыки, востребованные в жизни и на работе.

Мы в лаборатории LISA, университета ИТМО разрабатываем платформу кросс-тестирования с интеграцией AI-ассистента. Это решение помогает не только оценивать, но и развивать аналитические и творческие способности студентов, превращая традиционный учебный процесс в интерактивную и адаптивную среду.

Всё начинается с лекции, где преподаватель погружает студентов в ключевые концепции темы, делится статьями, видеоматериалами и другими ресурсами. Финальное задание: каждому создать свой уникальный тест по материалу занятия..

Теперь начинается настоящее погружение. Студенты берут изученное и превращают в продуманные тестовые задания. Это не просто повторение материала, а процесс, который учит работать с источниками, анализировать данные, выделять главное и формулировать понятные вопросы. Для повышения качества тестов участники добавляют ссылки на надёжные источники, что помогает закрепить их аргументацию и структуру.

Каждое занятие начинается с того, что студенты проходят тесты друг друга. Это не просто оценка знаний — это возможность взглянуть на материал с нового ракурса, увидеть альтернативные подходы и выявить упущенные моменты. Система фиксирует важный показатель — аналитичность, который отражает, насколько глубоко студент понимает материал и эффективно использует данные. Для расчёта этого показателя используется робастное среднее. В отличие от обычного среднего, робастное среднее позволяет минимизировать влияние выбросов. Например, если у студента есть оценки 95, 89 и 20 баллов, система исключит значение 20, чтобы более точно отразить уровень знаний. Это особенно важно в условиях, когда неравномерность сложности тестов может сильно искажать итоговый результат

Повторив первые этапы несколько раз, студенты достигают нового уровня — их тесты начинают оцениваться на предмет креативности. Важно не только придумать вопросы, но и сделать их оригинальными, полезными и интересными для группы. Это не просто проверка знаний, а возможность продемонстрировать умение находить нестандартные подходы и делать учебный процесс увлекательным и полезным для всех участников. Для более точного расчёта используется формула робастного коэффициента вариации. Она измеряет вариативность сложности вопросов и распределение правильных ответов.

На заключительном этапе система интерпретирует данные и определяет итоговые оценки на основе медианы и робастного коэффициента вариации. Если медиана и робастный коэффициент вариации невелики, выставляется «2» или «3», а при более высоких значениях — «4» или «5». Таким образом, по результатам полного курса лекций система формирует точные и объективные показатели аналитичности и креативности.

AI-ассистент работает как невидимый участник, проходя те же этапы обучения: изучает материалы, создаёт тесты, проходит задания, адаптируясь к стилю преподавания и уровню студентов. Основой его работы становится тщательно отобранная выборка данных: лекции, тестовые вопросы, практические задания. На их основе AI-ассистент анализирует стиль преподавания, подход к структурированию информации и уровень подготовки студентов.

В процессе он использует передовые методы машинного обучения, в том числе адаптивное обучение и динамическое отслеживание знаний (Knowledge Tracing). AI-ассистент не только оценивает текущий уровень знаний, но и генерирует задания, которые одновременно стимулируют и мотивируют учащихся. Постепенно AI-ассистент становится интеллектуальным посредником, способным динамически подстраиваться под образовательную среду.

Он не только учится сам, но и активно обучает студентов, делая процесс обучения более персонализированным, создавая уникальные возможности для роста и развития каждого учащегося.

В совокупности весь процесс — от изучения материалов до создания и прохождения тестов, анализа результатов и участия AI-ассистента —формирует комплексный цифровой имидж учащегося. Этот имидж выходит далеко за рамки традиционных оценок. Он включает в себя параметры аналитичности, креативности, адаптивности и даже способности к командной работе, создавая глубокую и всестороннюю картину индивидуальных компетенций.

Такой цифровой имидж может стать полезным инструментом не только для образовательных целей, но и для профессиональной сферы. HR-специалисты могут использовать этот профиль как объективный источник данных при отборе кандидатов. Работодатели видят, как человек анализирует информацию, насколько изящно он решает нестандартные задачи, и как быстро адаптируется к новым вызовам.

В результате цифровой имидж становится не просто оценкой, а глубокой метрикой мышления и подхода к работе. О компетенциях можно не только говорить, но и доказательно показывать, кто именно из кандидатов наиболее соответствует требованиям технологичного мира.